基于人脸识别的考勤软件系统的研究与设计
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题概述与研究意义 | 第10页 |
| 1.2 人脸识别技术的发展历史与研究现状 | 第10-12页 |
| 1.3 人脸识别的应用场景 | 第12-13页 |
| 1.4 人脸识别的主要研究难点 | 第13页 |
| 1.5 论文主要工作和章节安排 | 第13-15页 |
| 2 图像预处理的研究 | 第15-25页 |
| 2.1 图像灰度化 | 第15-16页 |
| 2.2 直方图均衡 | 第16-18页 |
| 2.3 空间域滤波 | 第18-20页 |
| 2.4 图像锐化 | 第20-22页 |
| 2.5 图像几何归一化 | 第22-23页 |
| 2.6 本章小结 | 第23-25页 |
| 3 基于AdaBoost的人脸检测算法的研究 | 第25-36页 |
| 3.1 AdaBoost的理论基础 | 第25-27页 |
| 3.2 Haar特征与积分图 | 第27-31页 |
| 3.3 级联分类器的设计 | 第31-32页 |
| 3.4 算法的实现和优化 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 人脸识别算法的研究 | 第36-58页 |
| 4.1 人脸识别主要算法 | 第36-37页 |
| 4.2 基于PCA特征脸的人脸识别算法 | 第37-44页 |
| 4.2.1 PCA基本原理 | 第38-40页 |
| 4.2.2 基于PCA特征脸的算法流程 | 第40-43页 |
| 4.2.3 实验结果与分析 | 第43-44页 |
| 4.3 基于Fisherface的人脸识别算法 | 第44-49页 |
| 4.3.1 Fisher线性判别分析的基本原理 | 第44-47页 |
| 4.3.2 基于Fisherface的算法流程 | 第47-48页 |
| 4.3.3 实验结果与分析 | 第48-49页 |
| 4.4 基于LBP的人脸识别算法 | 第49-55页 |
| 4.4.1 LBP算子 | 第49-51页 |
| 4.4.2 基于LBP的算法流程 | 第51-54页 |
| 4.4.3 实验结果与分析 | 第54-55页 |
| 4.5 算法的对比分析 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 考勤软件系统的设计 | 第58-74页 |
| 5.1 可行性研究 | 第58-61页 |
| 5.2 需求分析 | 第61-63页 |
| 5.3 总体设计 | 第63-64页 |
| 5.4 详细设计 | 第64-69页 |
| 5.5 实现(编码与测试) | 第69-73页 |
| 5.6 本章小结 | 第73-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-79页 |
